Niveau : Intermédiaire
Chris Gotwalt, directeur de la recherche et du développement statistiques du JMP, SAS
Philip Ramsey, maître de conférences principal, Université du New Hampshire ; et propriétaire, North Haven Group
La modélisation statistique poursuit deux objectifs distincts : l'explication et la prédiction. Les modèles explicatifs prédisent souvent mal (Shmueli, 2010). Les analyses de plans d'expériences (PDES) sont souvent explicatives, alors que les objectifs expérimentaux sont la prédiction. Le PDES est une bonne pratique pour le développement de produits et de procédés, où l'on prédit les performances futures. La modélisation prédictive nécessite de partitionner les données en ensembles d'apprentissage et de validation, l'ensemble de validation servant à évaluer les modèles prédictifs. La plupart des PDES ne contiennent pas suffisamment d'observations pour constituer un ensemble de validation, ce qui empêche une évaluation directe des performances de prédiction. Nous démontrons une technique d'« auto-validation équilibrée » utilisant les données d'origine pour créer deux copies de ces données : l'une pour l'apprentissage et l'autre pour la validation. Les ensembles diffèrent par la pondération des lignes. Les pondérations sont distribuées selon une loi de Dirichlet et « équilibrées » ; les observations contribuant davantage aux données d'apprentissage contribuent moins à l'ensemble de validation (et inversement). Cette approche nécessite simplement de copier les données et de créer une colonne de formules pour les pondérations. Cette technique est générale et permet d'appliquer des techniques de modélisation prédictive à des ensembles de données plus petits, courants dans les études de laboratoire et de fabrication. Deux études de cas de développement de procédés biopharmaceutiques sont utilisées à des fins de démonstration. Les deux cas s'appuient sur de vastes ensembles de validation associés à des plans de criblage définitifs. JMP est utilisé pour démontrer les analyses.
